配電網重構算法的研究

摘 要：配電網重構是配電網絡降低網損、平衡負荷、實現最佳運行方式的主要措施。解決配電網重構的算法中，傳統優化方法不易得到全局最優解，而人工智能算法不但在實用化方面有待考驗，同時存在計算時間過長的問題。因此，對配電網絡進行有效優化所采用的各種算法的選取仍是需要著重研究的課題之一。本文就配電網重構相關的各種算法進行了簡要闡述，并分析各算法的特點及存在的問題，為該研究領域的進一步發展提出一些看法。

關鍵詞：配電網重構；傳統優化方法；人工智能法

DOI：10.16640/j.cnki.37-1222/t.2015.22.162

0 引言

想要提高一件系統的安全性與經濟性，就需要運用到配電網重構這一必要手段。配電網重構作為配電網絡降低網損、平衡負荷、實現最佳運行方式的主要措施，可以提高電壓的質量，使負荷達到平衡值，將網損降至最低，以便于達到最優效果。而對于配電網重構的研究，也逐漸成為電力系統領域備受關注的一項研究項目。

1 為了更好的提高整個電網系統的安全性和經濟性

配電網絡重構技術的最優化自1975年提出至今，出現了許多重要的研究成果。而現階段，傳統的優化方法與人工智能算法，是配電網重構最常使用的兩種算法。傳統優化方法簡單直觀，具有實用化潛力，但需進行多次潮流計算，對于如何得到全局最優解，仍是一個值得探討的問題，而人工智能算法能以較大的概率保證收斂到全局最優，但計算量較大，計算時間較長，難以實時應用。

隨著配電網絡的大型化、復雜化和供電企業節能減排的需要及用戶對供電質量的要求不斷提高，配電網重構仍需尋找一種更具有實用性和經濟性的最優方法，全面的解決存在于數值運算的速度、尋求最優化的效果的問題上。由此可見，當前形勢下對配網重構算法進行綜合分析，找出各算法的優缺點對促進配電網重構的進一步發展擁有著最為重要的現實的意義。

2 最優的傳統方式

數學優化理論法、支路交換法以及最優流模式法等共同組成了配電網重構技術的優化方法，而這些之所以稱之為傳統優化方法是相對于新興出現的人工智能算法這些現代的配電網重構的優化方法來說的。

2.1 數學優化理論法

數學優化理論法是指直接而非間接地運用現階段的最優化的數學原理，對電力系統進行配網重構的一種傳統的優化方法，其中，數學優化理論法分別由線性規劃與非線性規劃法、整數規劃與分支定界等的最優化數學方法組合而成。

對于數學優化理論法，可以說是一種較為成熟的配電網重構的優化方法，它將不依附配電網初始結構作為前提的情況下同樣可以得到優化解，但存在計算時間較長以及在實際應用中存在的嚴重問題是：維數的逐步增加，會促使“組合爆炸”的現象提前發生，從這點可以看出，數學優化理論法不適于復雜的大規模的電力系統的處理，同時也不能保證得到全局最優解。

2.2 最優流模式法

最優流模式法為了簡化復雜的問題，其將開關組合問題轉化為優化潮流的計算問題，由于重構結構與初始網絡狀態無關聯，能夠較為容易的收斂于最優解；但同時該算法也存在一定弊端，在該算法的初始階段，就共同存在著多個環網，這種情況會在求解最優潮流過程階段，二者互相產生影響，并且開關的打開順序也會對其結果產生極大的影響。為了避免這種現象的發生，就需要在確定開關的打開順序時，對于配電潮流進行數次計算，以確保正確的開關順序，以及不至于擴展成為多目標函數。

2.3 支路交換法

在采用支路交換這種優化方法時，因為總是將每次運算的結果與輻射型的拓撲結構相對應，并將配電網輻射型的運行狀態與之相符合，有這些作為前提條件，只需正確的估算出支路交換引發的網損變化程度，有利于配電網可以存在一種無需重新計算潮流或者是計算量較少的優點；然而，最終收斂性依舊是取決于網絡初始結構，這項弊端的存在難以有效保證全局的最優化，因此，并不適用于大規模配電網的網絡重構。

3 人工智能算法

與傳統優化方法相比，人工智能算法相較于具有復雜性的非線性規劃的問題求解占有較大的利處，不僅可以改正傳統的配電網重構的優化技術一味地依附于數學運算的弊端，還可以完善的解決某些運用傳統的數學運算方法所不得解的問題，而人工智能算法主要包含神經網絡法與遺傳法、蟻群算法與模擬退火算法等運算方法。

3.1 神經網絡法

一種善于模擬人類神經系統傳輸、處理信息過程的人工智能技術，將其稱之為神經網絡法。而將人工的神經網絡法用于配電網重構中，可較為直接地反映配電網中所存在的負荷模式，與配電網中的最優結構二者之間高度的非線性的關系。

3.2 遺傳法

遺傳算法是一種適應性搜索方法，其以自然基因選擇機理為基礎理論，進而求解優化問題。在配電網重構過程中，該算法將遺傳過程和目標函數過程完整的相結合，轉變染色體編碼，并將其改為直接采用支路算法的一種開關狀態；而后，將由系統的網損所構成的適應度函數，在對生物進化的繁殖、交叉、變異的過程中，對其進行模擬操作，并將各開關的狀態嘗試著進行改變，從中尋找出網損最小的最優化的網絡結構。

如若直接從該算法的理論上分析，遺傳算法存在許多優點，不僅具備著以概率1的點收斂到全局最優點的收斂性，還對其初始條件以及目標函數沒有任何過度的要求。但其存在計算速度較慢、尋優時間過長的確定。

3.3 蟻群算法

蟻群算法是受到蟻群搜索食物過程的啟發而提出的一種新型模擬進化算法。具有不依賴于各種初始參數、正反饋、分布式計算、易與其它算法相結合以及富于建設性貪婪啟發式搜索的主要特點，特別適合組合優化問題。但也存在搜索時間長、易陷入最優解的局部算法或是較早的結束運算等問題。

3.4 模擬退火算法

模擬退火法是由優化過程與融熔金屬的物理退火過程的相似性而推導出來的。該算法的要點是：在合適的全局冷卻的設計的過程中，需要通過交換支路法所形成的一種網絡結構，計算出潮流以及網損的變化程度，如若有新的網絡結構存在較小的網損，就需要將這種網絡結構完整的保留下來，不然將會按照一定的概率接收新的網絡結構。

在一般的情況下，運用模擬退火算法時，通過較大的算法計算量，可得到全局最優解或全局次優解，然而，當該算法存在對參數和退火方案具有較大的依賴性時，需要進行多次潮流計算及網損估計及多層次、多領域大量的采用開關交換，只有這樣時才能將該算法更好的運用于配電網重構。

除了人工智能算法外，其它的智能算法也會被廣泛的應用于配電網絡重構問題的研究中，譬如模糊算法、專家系統、粒子群優化算法、禁忌算法等，這些算法在配電網重構中都取得了不錯的效果。

4 各種算法之間的比較

配電網重構問題，是一種屬于NP難問題，它包含著具有較大規模、混合整數以及非線性的組合等優化問題。為了解決上述問題，近年應運而生了混合算法這種將多種算法相結合的新的思路。混合算法采用不但可以求取更好的重構方案，而且有效的縮短了形成方案的時間，從而很好的克服了單個算法自身存在的固有缺點，對于現有各種重構算法，如何有效解決配電網重構的組合優化問題，建立合理的數學模型仍需進行深入的研究；同時，隨著分布式電源的入網，配電網發生了根本性的改變。因此，在進行配電網重構時必須考慮分布式電源的影響，需要綜合運用現有算法或探索新算法，尋找更為優化的方法，以此來達到各目標的需求。

5 結論

傳統優化算法計算量小，計算速度快，但配電網的初始結構將會對直接影響給出的配電網重構結果，無法做到全局最優，人工智能算法相比傳統算法雖然可以取得更優的解，但人工智能算法依舊存在著些許弊端，譬如對于運算所計算的時間過長，不易于將其應用于實際方法中；且配電網重構時的算法形式過于單一，這將會造成很大的局限性，因此，應于配電網重構建設時所反映的實際情況相結合，并將傳統優化方法與人工智能算法二者有機地結合起來，推動配電網重構向更好的方向發展。

參考文獻：

[1] A distribution short circuit analysis approach using hybrid compensation method[J]. IEEE Trans on Power Systems， X.Zhang， F.Soudi， D.Shirmohammadi， C.S..Cheng. 1995，10（6）：2053-2059.

[2]張棟，張劉春，傅正財.配電網絡重構的快速交換支路算法[J].電網技術，2005，29（09）：82-85.

[3]雷健生，鄧佑滿，張伯明.綜合潮流模式及其在配電系統網絡重構中的應用[J].中國電機工程學報，2001，21（01）：57-62.

[4] Artificial Neural-Network Based Feeder Reconfiguration for Loss Reduction in Distribution Systems. IEEE Trans on Power Delivery， Kin H， Ko Y， Jung K H. 1993，8（3）：1356～1366.

[5]王韶，馬晶晶，周鑫等.配電網重構的蜜蜂進化型遺傳算法[J].電力系統控制與保護，2010，38（16）：62-67.

作者簡介：楊美（1988-），女，滿族，助理工程師，主要從事：電力工作。